过去两年，AI 应用的叙事不止一种。陪伴、内容生成、编程、搜索各成一条主线，但最主流的还是提效。

让模型代劳写作、检索与编码这些生产力环节，产品之间的竞争，也多落在生成速度与准确度这类效率指标上。它们大多解决单点问题，从一个工具换到另一个工具，成本几乎为零。这是最近两年绝大多数 AI 产品共同的处境。

进入 2026 年，这个叙事开始松动。一批深谙业务场景的人，押注 AI 应用层：前飞书 CMO 孙峰出走，正在研发一款 AI 占卜水晶球；前 WPS AI 文字类应用负责人徐奕成，希望用户电脑里运行一个有性格的 Agent；销售易则在内部划出新战场，用 7 个人、不到两个月，开发出一个名为「易启」的 AI 销售伙伴。

不管从大厂出走，还是留在大厂内部赛马，这批人押注的是同一个变化：AI 产品正从「效率工具」转向「关系型角色」，这一轮被重新定义的，是人和 AI 的相处方式。

大厂内外，同时下场

AI 打平门槛之后，入场者大致可以分成两类，应用呈现百花齐放之势。

一类像孙峰这样，从大厂出走，亲自入局。前字节剪映全球商业化负责人陈冕，把 AI 创作社区 LiblibAI 推至 B 轮 9 亿元融资；前阿里千问技术负责人林俊旸，创办语用科技做下一代智能体，拿到 2.2 亿美元融资；前海思鲲鹏总经理、地平线芯片总裁陈鹏，研发端侧大算力推理芯片，四个月累计融资超 1 亿美元；前西贝副总裁宋宣，创办了餐饮 AI 助理勺子 AI；前字节飞书区域业务负责人吴振华，创办了 AI 滑雪硬件 Heygo。

另一类留在大厂内部，把新应用当作一场赛马。销售易的「易启」是其中的一个。出走和内部赛马，虽然形式不同，但逻辑是一样的：当底层模型的能力与成本都到了临界点，机会自然让渡给更接近场景的人。

源码资本投资合伙人、美国国家工程院外籍院士张宏江，在外滩大会主论坛上说，大模型是「人类有史以来发展最快的技术浪潮」，前沿模型的智力测试已突破人类平均水平。

" 豆包工作、飞书 WorkBuddy 这类通用 AI 工具兴起之后，很可能成为新的应用入口，甚至是工作入口。一旦这一变化确立，用户绕开 CRM，在对话中直接完成客户管理，传统 CRM 的价值就会被边缘化。" 销售易「易启」产品负责人罗义表示。

所以做新产品的真正动因，并不在产品本身，而是在新的用户入口确立之前，必须在其中占有一席之地，" 哪怕商业化路径尚未清晰，也要先把产品切入进去 "。当前，销售易已经把「易启」上架到豆包工作，如今这些平台成了国民级工具，厂商多半得主动拥抱，做小微和个人应用，就无法回避其流量优势。

AI 把应用创业的门槛压得很低，也让这一押注的成本变得极低。据透露，整个「易启」的开发只用了 7 个人、不到两个月，以销售易的体量衡量，这点投入微不足道。一边是入口可能被新物种占领的危机，一边是几乎可以忽略的试错成本，抢先入场，几乎成了多数创业者共同的选择。

让 AI 成为角色

「用户对应用没有忠诚度，用户可能只是因为使用的习惯、偏好而留在这个应用。」米羊科技创始人徐奕成，把这类产品叫作「关系型生产力 Agent」。他给用户设计了一个有真实地址、有朋友、会发朋友圈的 AI 伙伴「白艾莉」，住在上海徐汇的太原路。

既然要靠关系留人，产品就得让 AI 与用户之间长出长期关系。米羊此前披露的留存曲线是次日 73%、7 日 45%、30 日 30%、90 日 15%，这套数据来自游戏工业的养成逻辑，而非 AI 行业。上海交大安泰经济与管理学院副院长刘少轩评价，在底座能力差距持续收窄的背景下，能否在保证专业生产力的前提下，通过长期协作降低沟通内耗，会成为应用层竞争的核心。

孙峰的切入点更为激进，作为 Ora-Orb 创始人、前飞书 CMO，他把 AI 做成一个占卜水晶球，定价 365 美元一年，目标是在明年 1 月份的 CES 首发。在他看来，产品能不能留住用户，关键不在它替代了多少工作，而在它是否会在用户最需要时第一个被想起。占卜只是建立信任的入口，他要争的是用户的「第一咨询权」。

这套逻辑也同样在易启中有所体现，传统 CRM 关心的是 pipeline、forecast 这类经营管理指标，服务企业管理者；「易启」则服务销售个人。罗义对笔者表示，用户在自然对话中即可完成客户与商机的沉淀，不需要填表，交互全部发生在对话框里，产品与 WPS WorkBuddy 通过 MCP 协议深度融合。这或许是这个新产品与老 CRM 最核心的定位差别。「它不是一个阉割版，这是我们重新构建的全新的产品。」罗义说，「易启」想做的，是让 AI 成为销售身边的一个角色，而不只是工具。

工具与角色的差别在于，工具回答「你怎么更快把事情做完」，角色回答「你遇到问题会先想到谁」，这或将成为 AI 应用之后的第二战场。

技术平权之后

今年 AI 应用层的融资，呈现出与去年相反的特征：人比技术值钱，场景比参数更重要。

这种反差，仅从团队规模即可直观看出。销售易「易启」7 个人；米羊科技 10 人，一半是上海交大学生，有两位博士；Ora-Orb 不到 20 人，三位联合创始人；斜跃智能 20 人，成立 4 个月融数亿元；LiblibAI 是 90 后创始人，获得 B 轮 9 亿元融资。

大模型在底层比拼参数，应用层的机会属于「最懂场景的人」。资本的重心，也从「投模型能力」转向「投用户留存」。正如徐奕成所说的，90 日留存 15%，才是他真正的壁垒，因为用户留下靠的不是技术实力，而是产品与用户之间建立的关系。

罗义也承认，代码可以被复制，商业模式尚未定型，但他把赌注押在先发优势和数据飞轮上：更早获取用户，更早沉淀数据，就永远比模仿者领先半步。这正是「人」和「场景」的价值，它藏在模型之外的运营、认知和用户关系里，无法被轻易复制。

技术平权，是这轮 AI 应用大爆发绕不开的底座。AI Coding 让缺乏编程经验的人也能开发产品，创业门槛降到历史最低，「一人公司」成为可能。

一个数据是，今年外滩黑客松 AI Coding 大赛产出 15577 个原创应用，创下吉尼斯世界纪录，近七成参赛者未满 18 周岁，最小的只有 6 岁，9 岁的罗安歌用 AI 做出了《泥土实验室》；跆拳道全国冠军、演员张蓝心转型 AI 创作者，「现在我靠写代码赚钱、吃饭，三个身份，一个逻辑，甭管哪个赛道，先上场再说」。

张宏江说，「一个人＋多个 Agent 的组织形态已经让公司规模进一步小型化」。中国还拥有全球最大的应用场景和用户基数。

支撑这场爆发的基础设施，也已经就绪。飞书 8.0 全面拥抱 Agent，字节整合豆包、飞书、火山引擎；微信把 AI 智能体「小微」做进国民级入口，覆盖 14 亿月活用户；支付宝发布 AI 支付全栈框架，推出 APASS 商业信任基础设施；IDC 预测，到 2035 年中国 AI 数据基础设施市场规模将达 1548 亿美元。

落到具体场景，AI 已经越过演示阶段，进入真实生产场景。机器狗「途途」是全球首个具备完整支付能力的具身智能；蚂蚁灵波的机器人智慧药房，已在 80 厘米宽的货架通道里完成药品识别与分拣，进入上海国大药房承担夜间分拣。

北京大学国家发展研究院副教授赵波指出了这场爆发更深的经济含义，AI 真正的经济价值，不只是让原来的人把原来的事做快一点，而是让过去太贵、太难、无法规模化的事情，变得可做、可交易。

热闹的另一面，也存在几重隐忧，同质化最先暴露。

当前 AI 应用的商业模式大多处于初期，连 Workbuddy 这类平台自身的收费模式都尚在摸索。此外，大模型厂商正在下沉，平台型玩家会不会挤压独立应用的生存空间，也还难说。ToB 惯性仍在，即便 AI 产品体验够好，大企业采购仍受预算周期、安全合规等传统因素制约；数据主权问题也随之而来，当 AI 越来越「懂你」，安全红线在哪里，还没有共识。

受这些约束，AI 应用大爆发或许并不会是一条直线。眼下个人场景的落地推进得相对更快，不过组织层面的价值兑现，还要等工作流被重新设计。商业模式的验证，同样明显滞后于产品的声量，个人应用虽热闹，收费路径却大多尚未走通。

方向反而变得明确，工具正在退到角色身后，成为用户身边的一种关系。至于这段关系能维系多久，模型性能只是一环，最终还看用户是否愿意长期使用并依赖它。（本文首发钛媒体 APP，作者 | AGI-Signal，编辑 | 秦聪慧）